预测COVID-19
MatjažPerc
1、2、3
*,<我米g class="pr5" src="https://f96a1a95aaa960e01625-a34624e694c43cdf8b40aa048a644ca4.ssl.cf2.rackcdn.com/Design/Images/newprofile_default_profileimage_new.jpg">尼娜Gorišek Miksić4、5,<我米g class="pr5" src="https://f96a1a95aaa960e01625-a34624e694c43cdf8b40aa048a644ca4.ssl.cf2.rackcdn.com/Design/Images/newprofile_default_profileimage_new.jpg">Mitja Slavinec1和
AndražStožer
5
- 1自然科学和数学学院,马里博尔、斯洛文尼亚马里博尔大学
- 2中国医科大学医院、中国医科大学、台中,台湾
- 3复杂性科学中心维也纳,奥地利的维也纳
- 4马里博尔大学医学中心、马里博尔、斯洛文尼亚
- 5马里博尔大学医学院,马里博尔,斯洛文尼亚
2019年世界卫生组织宣布冠状病毒疾病大流行在3月11日,指向了118000例在全球110多个国家和地区。在写这篇手稿的时候,确诊病例的数量迅速飙升近50马克,强调持续的风险进一步的全球传播。世界各国政府实施各种控制措施而医疗系统已经准备好迎接海啸的感染者寻求治疗。因此重要的是要知道什么期望的病例数量的增长,和理解需要逮捕非常令人担忧的趋势。效果,我们这里展示预测得到一个简单的迭代法,只需要确诊病例的日常值作为输入。方法考虑预期的复苏和死亡,它决定了最大允许每日增长偏离指数增加稳定和下降的数字。预测表明,每日增长率至少应保持低于5%,如果我们希望看到高原任何时候soon-unfortunately远离现实在大多数国家。我们提供一个可执行的,以及一个简单的应用程序的源代码的方法来自其他国家的数据。
1。介绍
根据实时数据(1),证实冠状病毒疾病2019例(COVID-19)病例在全世界大多数国家呈指数级增长。在意大利和西班牙流感大流行已经给医疗系统(2),目前的趋势持续下去,将这变成了残酷的现实也用不了多长时间在许多其他欧洲国家和美国。预测COVID-19传播起着关键的作用[3- - - - - -7]。首先,通知政府和医疗专业期望和实施措施,其次,激励公众坚持减速的措施,以免传播一个令人遗憾的场景将展开8,9]。
流行病研究过程在统计物理学历史悠久和富有成果的10,11]。简单的数学模型来描述传染病传播的本质可以用来适应数据与overseeable数量的参数,和获得的值可以用来做出明智的预测。近年来,研究团体也积累了大量证据支持社交网络的复杂和异构连接模式(12- - - - - -16]。这些扮演一个关键的角色在决定平衡和非平衡系统的行为在一般情况下,和流行病的蔓延并找到最优控制策略。
跨学科探索界面的统计物理、网络科学和流行病学,由于大量的数据记录我们的健康和生活方式,提出数字流行病学(17)和复杂网络上的流行过程的理论(10]。从古典模型假定混合种群,再到最近的结构模型,考虑行为的反馈和我们的社交网络,我们已经走过了漫长的道路更好的理解疾病和疾病传播动力学。我们现在能够利用这些知识来制定有效的预防策略(11,更广泛地说,我们可以使用这些不同领域之间的协同效应的研究对改善我们的生活和社会18,19]。
尽管如此,在紧急的时候可以太复杂,即使是最简单的模型以及不同领域之间的小间隙的研究就像是不紧密接触孔。因此在本文中,我们提出一个简单迭代法预测COVID-19数量的情况下,假设政府数据是合法的和真实的。目标不是追求细致的精度也不显示我们的方法作为艺术的状态,而是先提供见解基本原则和指导方针。我们会很高兴如果我们的工作激励进一步研究产生更复杂的和准确的预测方法。
2。方法
作为输入,我们的方法只需要现成的每日确诊病例的价值观。我们表示这些值<我>x我,在那里<我>我∈(0,<我>n)天的指数。假设我们有<我>n值可用,我们将最后一次<我>米的值<我>x我系列和确定的平均增长率在此期间根据
我们也记录最小和最大增长率在过去<我>米天<我>G↓和<我>G↑,分别。简单的迭代
已经提供了一个像样的预测<我>我=<我>n−1,假设原<我>米值描述的指数增长。
然而,这并不考虑<我>h≈14天大部分感染会恢复,这之后<我>d≈21天的一小部分<我>p≈0.04会死(1,20.- - - - - -22)(见也ourworldindata.org/coronavirus)。通过承认这些case-recovery和死亡率,我们获得一个更好的预测
星号强调在哪里<米ath>
我们发现7≤<我>米≤14取得好的结果,即下界可以确保一个合理的统计数据<我>G△而上限仍应满足<我>n−−1<我>米≥<我>d以免我们的数据(<我>我< 0)<我>x我−<我>d在我们使用方程(3)<我>米= 14所示的预测图1。最后,如果我们希望依靠实际数据在方程(3)<我>我=<我>n−1,考虑<我>h<<我>d,我们必须对预测地平线不超过<我>n−1 +<我>h。
图1。预测COVID-19例美国,斯洛文尼亚,伊朗,德国。黑色实线表示的实际数据,对这一分析去年3月29日更新。从今天开始我们因此有预测价值,在固体蓝线表示的延续过去14天的趋势,即。,如果没有变化。获得的最坚实的红线表示预测如果每天最大的增长率在过去的14天<我>G↑将增加20%,而最低绿线表示预测如果每日增长率将从3月29日开始降为零。对等距的橙色和橄榄虚线表示预测减少每日的增长率从上到下。高原在未来14天会达到如果:美国每日目标增长率≈5.9%从底部(第4行),斯洛文尼亚每日目标增长率≈3.7%(7号线从底部),伊朗每天目标增长率≈3.6%从底部(第10行),和德国每日目标增长率≈5.5%从底部(5号线)。
我们提供了一个可执行的源代码在C语言中对上述方法的一个简单的应用程序在任何数据。可执行文件的搜索<我>data.txt目录和读取每日价值的确诊病例,应提供每行一个数量。可执行文件还要求,月和日的第一项数据。txt文件,和价值<我>米。第一个输出文件<我>actual.txt单独的列,其中包含三个空间,日期,病例数在说日期(返回的<我>data.txt-那些恢复和死),和增长率。第二个输出文件<我>forecast.txt单独的列,也包含三个空间,日期,数量预测的情况下说日期,所用的日均增长率的预测。天气预报是由30日均增长率不同,从20%增加<我>G↑(同时计算决定<我>G△通过方程(1)和减少在相等的时间间隔对增长率为零。预测得到不同的增长率是用一个空行分隔。
3所示。预测
方法所示的结果图1对美国而言,斯洛文尼亚,伊朗,德国从3月29日2周开始。如果平均增长率在过去的14天,对应≈30.6%美国9.0%≈斯洛文尼亚,≈7.5%伊朗,和德国≈18.7%,持续下去,我们将看≈390万例在美国,≈1,200例在斯洛文尼亚,≈63年,000例在伊朗,380年≈,000例在4月12日,在德国固体蓝线所示图。如果每日增长奇迹般地降至零一夜之间,我们将看到与固体绿线所示。当然是完全不现实的,但可以说明什么是最好的情况。固体红线显示获得的预测如果每天最大的增长率在过去的14天,对应≈48.9%美国15.5%≈斯洛文尼亚,≈9.9%伊朗,和德国≈34.2%,增加了20%。这不是最坏的情况,但它可以说是够糟糕的。根据这个,斯洛文尼亚≈7,300例在4月12日,为例。
鉴于指数增长仍然持续在所有四个例子被认为是在这个工作笔记的垂直刻度所有的图形都是对数,,因此,直线对应指数增长的首要目标是逮捕这个非常令人担忧的趋势。绿色和蓝色的线我们展示预测获得每日增长率之间的零和的平均值与冲过去14天橄榄。通过遵循线从下往上,从固体绿线,我们可以确定一个,4月12日变得平缓。例如,美国第四行,对应于≈5.9%每日增长率从3月29日开始。这将是目标如果我们希望看到一个高原在接下来的2周。德国同样的目标是≈5.5%从底部(第5行),对斯洛文尼亚≈3.7%(7号线从底部),和伊朗≈3.6%从底部(第10行)。
这些当然只是近似的目标值,但总的来说,针对日常增长率低于5%,至少似乎是合理的,符合国家迄今为止成功回应COVID-19大流行。
4所示。前景
我们希望提出预测清楚地表明,流行的增长是一个高度非线性的过程,输给了无所作为的每一天都是一天太多了。甚至几天的今天不表演就意味着管理情况的区别和无望的不堪重负的医疗系统。前景很大程度上取决于我们采取这些事实的心并采取相应行动,。政府可以实施旅行禁令,关闭商店和餐馆,并鼓励我们呆在家里。最终,然而,在每一个人尊重这些限制,尽我们所能减少的机会进一步感染。
保持每日至少增长率低于5%是一种很有前途的一个重要目标前景。数据来自中国,COVID-19大流行似乎即将结束,确认这预后。在2月中旬每日增长率降至约4%,然后3%,低。这标志着高原的确诊病例,这一起复苏和死亡导致的感染者数量下降。新加坡、韩国、香港,也成功地把他们的流行在采用严格的策略在中国使用。不幸的是,这在其他国家不是这样(30.]。
我们有两个选择。第一个是集体智慧和限制我们的行为,这样新COVID-19情况下将不会迅速成长为现在一样。第二,我们将继续让它滑下来,直到情况将变得如此可怕,严厉的政府法令将迫使我们限制我们的行为(30.]。还有时间来行为,而是一种乐观前景指数速度远离我们。
数据可用性声明
公开的数据集进行分析。可执行文件,源代码和数据是可用的:http://www.matjazperc.com/COVID-19。
作者的贡献
国会议员和设计进行研究。MP, NG,女士,写的手稿。
资金
这项工作是支持的斯洛文尼亚研究机构(批准号。阁下- 9302 j - 1 - 9112, j2 - 1725, j3 - 9289, p1 - 0403, p3 - 0396, n3 - 0048, n3 - 0133和i0 - 0029)。
的利益冲突
作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。
引用
1。杜董E, H,加德纳l .交互式网络实时追踪COVID-19仪表板。<我>柳叶刀感染说。(2020)。doi: 10.1016 / s1473 - 3099 (20) 30120 - 1。(Epub提前打印)。
2。Remuzzi, Remuzzi g . COVID-19和意大利:下一个什么?<我>《柳叶刀》。(2020)。doi: 10.1016 / s0140 - 6736 (20) 30627 - 9。(Epub提前打印)。
3所示。李问,关X,吴P,王X,周L,通Y, et al。早期传播动力学在武汉,中国小说coronavirus-infected肺炎。<我>郑传经地中海J。(2020)382年:1199 - 207。doi: 10.1056 / NEJMoa2001316
4所示。刘周T, Q,杨Z,廖J, K,白W, et al。初步预测的基本繁殖数量武汉2019 - ncov新型冠状病毒。<我>基于J Evid地中海。(2020)13:3 - 7。doi: 10.1111 / jebm.12376
5。赵年代,林问,J,穆萨党卫军,杨G,王W,等。初步估计的基本繁殖数量的新型冠状病毒(2019 - ncov)在中国,从2019年到2020年:一个数据驱动的分析疫情的早期阶段。<我>Int J感染说。(2020)92年:214 - 7。doi: 10.1016 / j.ijid.2020.01.050
6。刘Y,盖尔AA, Wilder-Smith Rocklov j .生殖COVID-19数量高于SARS冠状病毒。<我>J地中海旅行。(2020)27:taaa021。doi: 10.1093 / jtm / taaa021
7所示。赖,Bergna, Acciarri C,加利M, Zehender g系统发育早期估计的有效的SARS-CoV-2繁殖数量。<我>J地中海。(2020)。doi: 10.1002 / jmv.25723。(Epub提前打印)。
8。使役动词G,回族DS, Ntoumi F, Maeurer M, Zumla a调降2019 - ncov媒体炒作,恢复的希望。<我>柳叶刀和地中海。(2020)8:230 - 1。doi: 10.1016 / s2213 - 2600 (20) 30070 - 9
9。麦克洛斯基B, Zumla,使役动词G,布隆伯格L, Arbon P,西塞罗,等。质量收集事件和减少进一步的全球传播COVID-19:政治和公共卫生难题。<我>《柳叶刀》。(2020)395年:1096 - 9。doi: 10.1016 / s0140 - 6736 (20) 30681 - 4
10。Pastor-Satorras R C可以见到效果,Van Mieghem P, Vespignani在复杂网络流行过程。<我>国防部phy牧师。(2015)87年:925。doi: 10.1103 / RevModPhys.87.925
11。王Z,胃痛CT, Bhattacharyya年代,d 'Onofrio,曼P,尹浩然,Perc。统计物理的接种疫苗。<我>phy代表。(2016)664年:1 - 113。doi: 10.1016 / j.physrep.2016.10.006
12。Boccaletti年代,Latora V,莫雷诺Y,查韦斯M,黄d:复杂网络的结构和动力学。<我>phy代表。(2006)424年:175 - 308。doi: 10.1016 / j.physrep.2005.10.009
14。Boccaletti年代,Bianconi G, Criado R,德尔Genio C, Gomez-Gardenes J,尹浩然,浪漫,多层网络的结构和动力学。<我>phy代表。(2014)544年:1 - 122。doi: 10.1016 / j.physrep.2014.07.001
16。陈陆L D,任xl,张q - m,张Y-C,周t .复杂网络的重要节点识别。<我>phy代表。(2016)650年:1 - 63。doi: 10.1016 / j.physrep.2016.06.007
17所示。Bengtsson Salathe M, L·博德纳尔TJ,布鲁尔DD, Brownstein JS时,Buckee C, et al。数码流行病学。<我>公共科学图书馆第一版杂志。(2012)8:e1002616。doi: 10.1371 / journal.pcbi.1002616
18岁。布洛克曼海尔宾D, D, Chadefaux T, Donnay K,布兰科U, Woolley-Meza O, et al。拯救人类生命:复杂性科学和信息系统能贡献什么。<我>J统计物理。(2015)158年:735 - 81。doi: 10.1007 / s10955 - 014 - 1024 - 9
20.任王黄C, Y,李X, L,赵J,胡锦涛Y, et al .临床特征的患者感染2019新型冠状病毒在武汉,中国。<我>《柳叶刀》。(2020)395年:497 - 506。doi: 10.1016 / s0140 - 6736 (20) 30183 - 5
21。Lazzerini M,在意大利Putoto g . COVID-19:重大决策和许多不确定性。<我>柳叶刀水珠健康。(2020)。doi: 10.1016 / s2214 - 109 x (20) 30110 - 8。(Epub提前打印)。
22。波特D,气X, Nielsen-Saines K,马苏之后D,珀玛L, Favre g .真正的死亡率估计covid-19后感染。<我>柳叶刀感染说。(2020)。doi: 10.1016 / s1473 - 3099 (20) 30195 - x。(Epub提前打印)。
23。黄许陈D, W, Lei Z, Z,刘J,高Z, et al .复发积极sars-cov-2 rna covid-19:一个案例报告。<我>Int J感染说。(2020)。doi: 10.1016 / j.ijid.2020.03.003。(Epub提前打印)。
24。周P,杨xl,王X-G,胡锦涛B,张L,张W, et al .肺炎爆发与一种新的冠状病毒相关的可能的起源。<我>自然。(2020)579年:270 - 3。doi: 10.1038 / s41586 - 020 - 2012 - 7
26岁。唐X,吴C,李X, Y,姚明X,吴X, et al。SARS-CoV-2起源和持续进化的。<我>Nat Sci牧师。(2020)nwaa036。doi: 10.1093 / nsr / nwaa036
27。劳尔SA Grantz KH、Bi问琼斯颗,郑Q, Meredith HR et al . 2019年冠状病毒病的潜伏期(covid-19)公开报告确诊病例:评估和应用。<我>安实习生地中海。(2020)。doi: 10.7326 / m20 - 0504。(Epub提前打印)。
28。Akhmetzhanov AR,荣格年代,Hayashi K,林惇NM,杨Y元B, et al .实时估计的死亡风险的新型冠状病毒(COVID-19)感染:推理使用导出的例。<我>中国医学。(2020)9:523。doi: 10.3390 / jcm9020523
29。周F,余T, u R, G,刘Y, Z, et al .临床课程和成人COVID-19患者死亡率的危险因素在武汉,中国:一个回顾性队列研究。<我>《柳叶刀》。(2020)395年:1054 - 62。doi: 10.1016 / s0140 - 6736 (20) 30566 - 3
关键词:COVID-19、流行病、疾病动态,指数增长,病毒营销
引用:Perc M, Gorišek MiksićN, Slavinec M和Stožer COVID-19(2020)预测。<我>前面。理论物理。8:127。doi: 10.3389 / fphy.2020.00127
收到:2020年3月30日;接受:2020年4月01;
发表:2020年4月08年。
编辑:
亚历克斯·汉森挪威,挪威科技大学版权©2020 Perc, Gorišek Miksić,Slavinec Stožer。这是一个开放分布式根据文章知识共享归属许可(CC)。使用、分发或复制在其他论坛是允许的,提供了原始作者(年代)和著作权人(s)认为,最初发表在这个期刊引用,按照公认的学术实践。没有使用、分发或复制是不符合这些条件的允许。
*通信:MatjažPerc,matjaz.perc@gmail.com